El algoritmo de optimización Jaya es una metaheurística estocástica basada en poblaciones que es simple, rápida, robusta y poderosa, y que en los últimos años se ha aplicado con éxito en una variedad de problemas de optimización global en diversos campos de aplicación. La idea esencial del algoritmo Jaya es que los agentes de búsqueda intentan cambiar sus posiciones hacia la mejor solución obtenida evitando la peor solución en cada generación. La diferencia importante entre Jaya y otras metaheurísticas es que Jaya no requiere la sintonización de su control, excepto para el número máximo de iteraciones y los parámetros del tamaño de la población. Sin embargo, al igual que otras metaheurísticas, Jaya aún enfrenta el dilema de un equilibrio adecuado entre sus capacidades de exploración y explotación durante el proceso de evolución. Para mejorar el rendimiento de convergencia del algoritmo Jaya estándar en el dominio continuo, se proponen en este documento marcos de Jaya caótico (CJ) basados en secuencias caóticas. Con el fin de obtener el rendimiento de los enfoques estándar Jaya y CJ, se realizan pruebas relacionadas con la optimización electromagnética utilizando dos problemas de referencia diferentes. Estos son el problema de referencia del solenoide de Loney y un problema de referencia de motor de corriente continua (CC) sin escobillas. Ambos problemas se realizan para evaluar la efectividad y la tasa de convergencia. Los resultados de la simulación y las comparaciones con el algoritmo Jaya estándar demostraron que el rendimiento de los enfoques CJ basados en mapeo caótico tipo Chebyshev y mapeo logístico pueden ser resultados competitivos en términos de eficiencia y calidad de solución en la optimización electromagnética.